文献

J-GLOBAL ID：202002261922352599   整理番号：20A0827437

単一画像超解像のためのソフトエッジ支援ネットワーク【JST・京大機械翻訳】

Soft-Edge Assisted Network for Single Image Super-Resolution

著者 (3件)： Fang Faming (Shanghai Key Laboratory of Multidimensional Information Processing, East China Normal University, Shanghai, China) ,  Li Juncheng (Shanghai Key Laboratory of Multidimensional Information Processing, East China Normal University, Shanghai, China) ,  Zeng Tieyong (Department of Mathematics, The Chinese University of Hong Kong, Hong Kong)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 29  ページ： 4656-4668  発行年： 2020年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 単一画像超解像(SISR)のタスクは,低分解能画像から高周波詳細を再構成することが困難であるため,非常に不良な逆問題である。ほとんどの以前のCNNベース超解像(SR)法は,いくつかの複雑な畳込みニューラルネットワークを通して,低解像度画像から高分解能画像へのマッピングを直接学習する傾向がある。しかし,このような方法の性能改善は限界であるが,計算コストが大きいので,ネットワークの深さをブラインドに増加させる方法は最良の選択ではない。より効率的な方法は,画像再構成を支援するために,画像事前知識をモデルに統合することである。実際,ソフトエッジは,重要な画像特徴の役割として多くのコンピュータビジョンタスクに広く適用されている。本論文では,画像ソフトエッジの助けを借りて,高品質SR画像を再構成するためのソフトエッジ支援ネットワーク(SeaNet)を提案した。提案したSeaNetは,3つのサブネットから成る:粗い画像再構成ネットワーク(RIRN),ソフトエッジ再構成ネットワーク(Edge-Net),および画像精密化ネットワーク(IRN)。完全再構成プロセスは,2つの段階から成る。Stage-Iにおいて,粗いSR特徴マップとSRソフトエッジを,それぞれRIRNとEdge-Netによって再構成した。ステージIIにおいて,以前のステージの出力を融合し,次に高品質SR画像再構成のためにIRNに供給した。広範な実験により,SeaNetは急速に収束し,画像ソフトエッジの支援下で優れた性能を達成することを示した。コードはhttps://gitlab.com/junchenglee/seanet-pytorchで利用可能である。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像特性 ,  再構成 ,  *超解像 ,  学習 ,  画像再構成 ,  HF【周波数】 ,  *ネットワーク ,  精密化 ,  コンピュータビジョン ,  逆問題
準シソーラス用語： 高品質 ,  事前知識 ,  計算コスト ,  低解像度画像 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 超解像 ,  ソフト ,  エッジ ,  支援ネットワーク